AGV 搬运机器人视觉导航方案
AGV(Automated Guided Vehicle,AGV)作为现代制造系统中的物料传送设
备已经得到了广泛应用。从理论上看,视觉导引 AGV 具有较好的技术应用前景,
然而其却没能像电磁导引和激光导引 AGV 那样广泛使用,主要问题在于视觉导
引技术在实时性、鲁棒性和测量精度方面还有待进一步突破。
由多个 AGV 单元组成的 AGV 系统( Automated Guided Vehicle
System,AGVS)配有系统集成控制平台,对 AGV 的作业过程进行监管和优化,
例如,创建任务、地图生成、发出搬运指令、控制 AGV 的运行路线、跟踪传送
中的零件以及多 AGV 的任务规划和调度。将 AGV 与外部自动化物流系统、生产
管理系统有机结合,对系统内每台 AGV 合理地分配当前任务、选择最佳路径、
实时图形监控、管理运行安全,实现信息化的管理和生产,方便地构成由调配
中心计算机控制的自动化生产线、自动仓库和全自动物流系统。
目前视觉导引方式主要方法有基于局部视觉和全局视觉两种方法。基于视
觉导引的 AGV 还没有大规模产业化,但其潜在的市场前景使其成为近几年来国
内外 AGV 研究的热点。
全局视觉导引方法是将摄像机安装在天花板或者墙上,以整个工作环境为
目标,对包括 AGV、导引路径、障碍物等进行对象识别,对各个摄像机获取的
图像进行基于特征的图像融合,得到全局地图。在生成的全局地图中,每个
AGV 单元,导引线,障碍物的绝对坐标都能够实时获取。全局视觉方法相对于
将摄像机安装在车体上的局部视觉方法,在多 AGV 调度、障碍物检测(固定和
移动)、避障、全局监测方面更具优势。尤其是可以对 AGV 和障碍物的特征进
行分类,通过增强型的卡尔曼滤波方法进行运动估计,动态跟踪每一个目标的
位置、速度。但是这种方法要根据不同的现场环境,按照视野不被遮挡并覆盖
整个工作空间的原则,根据摄像机放置算法决定摄像机的数目、安装位姿。因
此这张全局视觉方法仅仅适用于室内且空间较大的场合,而且导引精度较低。
相对而言,目前国内外研究较多的是局部视觉导引方式。局部视觉导引方
式是将单车看作一个智能体,在车上安装摄像机和图像采集系统实时地处理环
境信息,其主要有基于自然场景和结构化场景两种导航方式。基于自然场景的
导航方式通过运行路径周围环境的图像信息与环境图像数据库中的信息进行比
较,从而确定当前位置并对运行路线做出决策。这种方法不要求设置任何物理
路径,在理论上具有最佳的柔性;但三维图像处理的实时性差和环境图像数据
库的难以建立,限制了它的实际应用。
基于结构化场景的导引方式一般是在地面粘贴或铺设一些特殊形状或颜色
的线路和符号,由视觉系统识别预定义的路经,包括导引路径相对 AGV 的位置
偏差和角度偏差、路径节点、工位、转弯、停车、加减速等标识。这种视觉导
航方式的优点是视觉系统只需提取预设的特定目标,并根据目标特征的先验知
识做进一步的计算,提高了图像处理的速度和系统的鲁棒性。基于结构化场景
的视觉导航技术能较好满足柔性制造系统对物流设备在导向柔性、空间利用、
运行安全性以及成本等方面的要求,具有路径设置柔性高、信息识别速度快、
导航稳定程度好、导航行走精度高和导向信息容量大等突出优点,因此有着更
广阔的应用前景,也是国内外研究机构和学者近年来研究较多的视觉导引方式。